基于尺度感知的多路径特征融合目标检测

摘要：

在通用的目标检测算法中,目标多变的尺度和特征融合利用一直是限制目标检测任务的难题.针对上述问题,首先文中提出了多路径特征融合模块,模块采用跨尺度跨路径特征融合的方法,强化输入输出特征之间的联系,缓解了特征信息在传递时的稀释问题.同时,文中通过改进注意力模型提出了尺度感知模块,该模块能根据目标的尺度自行地选择感受野大小,从而使模型易于识别多尺度目标.将尺度感知模块嵌入到多路径特征融合模块中,使模型的特征提取和利用能力均得到提升.经实验验证,文中提出的算法在数据集PASCAL VOC和MS COCO上的平均检测精度分别达到了 82.2％和38.0％,相比基线FPN Faster RCNN分别提升了 1.3％和0.6％,其中对小尺度目标的检测效果提升最为显著.

关键词：目标检测、特征融合、注意力机制、尺度感知、卷积神经网络

所属期刊栏目：31

分类号：TP391.41;P237;TN911.7

资助基金：福建省高校产学合作项目2021H6025

在线出版日期：2023-01-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：251-258